Update app.py

app.py

@@ -3,35 +3,13 @@ import joblib
 import pandas as pd
 import re
 import nltk
-# from nltk.corpus import stopwords
-# from nltk.stem.porter import PorterStemmer
+from nltk.corpus import stopwords
+from nltk.stem.porter import PorterStemmer
 import os
 
 # --- CẤU HÌNH TRANG STREAMLIT (PHẢI LÀ LỆNH STREAMLIT ĐẦU TIÊN) ---
 st.set_page_config(page_title="Phân biệt Tin tức Thật/Giả", layout="centered")
 
-# --- Định nghĩa lớp Custom Transformer cho việc làm sạch văn bản ---
-# PHẢI CHÍNH XÁC NHƯ LỚP BẠN ĐÃ DÙNG KHI HUẤN LUYỆN
-from sklearn.base import BaseEstimator, TransformerMixin
-
-class TextCleaner(BaseEstimator, TransformerMixin):
-    def fit(self, X, y=None):
-        return self
-
-    def transform(self, X: pd.Series, y=None):
-        if not isinstance(X, pd.Series):
-            X = pd.Series(X)
-
-        return (
-            X
-            .str.replace(r'<[^>]+>', ' ', regex=True)
-            .str.replace(r'http\S+|\S+@\S+', ' ', regex=True)
-            .str.replace(r'[^A-Za-z0-9\s]', ' ', regex=True)
-            .str.replace(r'\s+', ' ', regex=True)
-            .str.lower()
-            .str.strip()
-        )
-
 # --- Cài đặt và tải tài nguyên NLTK (quan trọng cho môi trường Docker) ---
 nltk_data_path = os.path.join(os.path.dirname(__file__), 'nltk_data')
 os.makedirs(os.path.join(nltk_data_path, 'corpora'), exist_ok=True)
@@ -44,18 +22,35 @@ except Exception as e:
     st.error(f"Lỗi khi tải NLTK stopwords: {e}")
     st.stop()
 
+# --- Định nghĩa hàm clean_text CHÍNH XÁC NHƯ TRONG CODE HUẤN LUYỆN ---
+def clean_text(series: pd.Series) -> pd.Series:
+    return (
+        series
+        .str.replace(r'<[^>]+>', ' ', regex=True)
+        .str.replace(r'http\S+|\S+@\S+', ' ', regex=True)
+        .str.replace(r'[^A-Za-z0-9\s]', ' ', regex=True)
+        .str.lower()
+        .str.strip()
+    )
 
 # --- Tải mô hình ---
 model = None
 try:
     model_path = os.path.join(os.path.dirname(__file__), 'fake_news_model.pkl')
     model = joblib.load(model_path)
-    st.success("Mô hình fake_news_model.pkl đã được tải thành công!")
+    # Không dùng st.success/st.error ở đây nữa, vì chúng phải được gọi sau set_page_config
+    # st.success("Mô hình fake_news_model.pkl đã được tải thành công!")
 except Exception as e:
-    st.error(f"Lỗi khi tải mô hình: {e}. Vui lòng đảm bảo lớp TextCleaner đã được định nghĩa chính xác và file mô hình nằm đúng vị trí.")
-    st.stop()
+    st.error(f"Lỗi khi tải mô hình: {e}. Vui lòng đảm bảo hàm clean_text đã được định nghĩa chính xác và file mô hình nằm đúng vị trí.")
+    st.stop() # Dừng ứng dụng nếu mô hình không tải được
+
+# Chỉ hiển thị thông báo tải thành công nếu không có lỗi nào trước đó
+if model is not None:
+    st.success("Mô hình fake_news_model.pkl đã được tải thành công!")
+
 
 # --- Giao diện Streamlit ---
+# Các lệnh Streamlit khác sẽ bắt đầu từ đây trở đi
 st.title("📰 Phân biệt Tin tức Thật/Giả")
 st.markdown("Sử dụng mô hình AI để phân tích và xác định liệu một tin tức là thật hay giả.")
 
@@ -82,15 +77,12 @@ if st.button("Phân tích"):
                 prediction = model.predict(input_df)[0]
                 prediction_proba = model.predict_proba(input_df)[0]
 
-                # --- LOGIC NHÃN ĐÃ ĐƯỢC ĐIỀU CHỈNH ĐỂ KHỚP VỚI CÁCH BẠN TRAIN ---
-                # data_trues (tin thật) = 0
-                # data_fakes (tin giả) = 1
-                if prediction == 0: # Khi prediction là 0, đó là TRUE (Tin tức THẬT)
+                if prediction == 0:
                     result_label = "Tin tức THẬT"
-                    color = "green" # Thường dùng màu xanh cho tin thật
-                else: # Khi prediction là 1, đó là FAKE (Tin tức GIẢ)
+                    color = "red"
+                else:
                     result_label = "Tin tức GIẢ"
-                    color = "red" # Thường dùng màu đỏ cho tin giả
+                    color = "green"
 
                 confidence = round(max(prediction_proba) * 100, 2)